设x1x2x3x4是来自 样本求E

L=f(x1)f(x2)...f(xn)=θ^n(1-x1)^(θ-1).(1-xn)^(θ-1)..lnL=nlnθ+(θ-1)[ln(1-x1)(1-x20...(1-xn)]dln/dθ=n/θ

U(-1,1)  -->f(x) = 1/2 for -1 < x < 1;&nb

因为.X与S2分别为总体均值与方差的无偏估计，且二项分布的期望为np，方差为np（1-p），故E（.X）=np，E（S2）=np（1-p）．从而，由期望的性质可得，E（T）=E（.X）-E（S2）=n

为了减化记号,用X,Y替代X1,X2.X,Y为服从N(0,s²)的独立随机变量,二者的联合分布密度函数f(x,y)=e^(-(x²+y²)/(2s²))/(2π

所求数学期望与X～N（0,1）的数学期望相同,为0.

自由度肯定是2,就是可以转化成两个标准正太分布的平方之和,a,b都是来让后边的两个分布都等于标准正太分布的.再问：我自己已经做出来了，不过分还是给你好了……

均匀分布的总体U的概率密度为f(u)=1/c.总体U的独立样本X1,X2,...,Xn的联合概率密度为：f*(x1,x2,...,xn)=Πf(xi)=1/(c的n次方)再问：求具体步骤再答：这已经是

若X1,X2,X3,X4独立,(X1+X2)服从N(0,8),则(1/8)(X1+X2)^2服从卡方1；(X3-X4)服从N(0,8),则(1/8)(X3-X4)^2服从卡方1；当C=1/8时,CY服

f(x1)=1/(2piσ^2)^0.5*exp[-(x1-μ)^2/2σ^2]...f(xn)=1/(2piσ^2)^0.5*exp[-(xn-μ)^2/2σ^2]L=f(x1)*f(x2)...f

因为是简单随机样本,所以各样本间相互独立,那么就有：E(X1+X2+……+Xn)=E(X1)+E(X2)+……+E(Xn)=μ+μ+……+μ=nμD(X1+X2+……+Xn)=D(X1)+D(X2)+

该样本遵从二项分布,则可先写出其分布律,然后将n个这样分布律联乘,之后这个连乘的函数取对数,再对取完对数后得到的函数对变量p求导,并令其等于零,得到的p就是其最大似然估计量,如果取完对数后得到的函数对

E（s^2）=[σ^2/[(n-1)]*E[(n-1)*S^2/σ^2]=[(n-1)*σ^2/(n-1)]=σ^2你这个题发出来确实很独特,我还要先把他解码一下,才能帮你解答.

样本均值?那不直接是(X1+.+Xn)/n不过应该不是问这个吧可以说详细点?再问：是等于N（μ，σ^2）吗再答：有完整的题目么？这个X~N（μ，σ^2）意思是总体X服从总体均值为μ，总体标准差为σ的正

楼上的.是"Pleasestudyhard.”

P(X=1)=pP(X=0)=1-p所以X的密度函数是P(X=a)=p^a*(1-p)^(1-a)a=0或1p未知,p∈[0,1]样本为X1……XN所以似然函数是L(x1,x2……xn;p)=(p^x

根据两点分布的数字特征可知EX=p,所以矩估计为其似然函数为显然有 它们均无偏.

若X1,X2,X3,X4独立,(X1+X2)服从N(0,8),则(1/8)(X1+X2)^2服从卡方1；(X3-X4)服从N(0,8),则(1/8)(X3-X4)^2服从卡方1；当C=1/8时,CY服

样本方差Sn运用定理（n-1）Sn^2/σ^2服从自由度为（n-1）的χ方分布代入数据(9-1)*6/16=3(9-1)*14/16=7查表+线性插入计算得P(χ^2(8)>3)=0.932P(χ^2

均值=（X1+X2+.+Xn）/n方差=[(X1-均值)^2+(X2-均值)^2+.+(Xn-均值)^2]/n

矩估计E(x)=∫(-∞,+∞)f(x)xdx=θ/(1+θ)X'=Σxi/n=E(x)=θ/(1+θ)θ=x'/(1-x'),其中Σxi/n最大似然估计f(xi.θ)=θ^nx1^(θ-1)x2^(